Tabela ogłoszeń

Proponowane terminy konsultacji w najbliższym czasie: środy 14-15 lub w terminie ustalanym indywidualnie pocztą elektroniczną.

Zachęcam do nadsyłania pocztą elektroniczną niebanalnych pytań z tematyki przedmiotu. Najciekawsze pytania będą punktowane.

Projekt jest wykonywany w zespołach dwuosobowych
Tematy projektow:
prof. Jaroslaw Arabas: tutaj
dr inz. Stanislaw Kozdrowski: tutaj
mgr inz. Kamil Deja: tutaj

Kolokwia 1. z semestrów L12, Z12, Z13, Z14, Z15, L17, Z17

Kolokwia 2. z semestrów Z12, L13, Z13, L14, Z14, L15 Z15,

Nieoficjalne notatki z wykładu

Udostępniam notatki wykonane przez Państwa Kolegów z poprzedniego semestru. Proszę je traktować jako nieoficjalny materiał pomocniczy.
Notatki z wykładu 2.
Notatki z wykładu 3.
Notatki z wykładu 4.
Notatki z wykładu 5.
Notatki o CMA-ES
Notatki o ewolucji różnicowej
Notatki o metodach testowania
Notatki o hierarchiach heurystyk
Notatki o relacjach optymalizacji i metod uczenia

Zasady zaliczania

Do zdobycia jest w sumie 100 punktów, w tym 50 punktów w ramach projektu oraz 50 punktów z dwóch kolokwiów wykładowych. Warunkiem koniecznym zaliczenia jest zdobycie w sumie co najmniej 10 punktów z kolokwiów i co najmniej 10 punktów z projektu.
Kolokwia polegają na samodzielnym rozwiązaniu zadań; można na nich korzystać z własnych notatek i książek, natomiast nie wolno korzystać z urządzeń elektronicznych. Pod warunkiem spełnienia kryteriow opisanych wcześniej, ocena z przedmiotu jest wystawiana wg poniższej tabeli:

liczba punktów
0-50 51-60
61-70
71-80
81-90
91-100
ocena
2
3
3.5
4
4.5
5

Warto poczytać....

Ogólna informacja o metodach benchmarkowania Karol Opara, Jarosław Arabas, Benchmarking Procedures for Continuous Optimization Algorithms, JTIT, 2011

Informcje o benchmarku CEC 2013 pod zakładką EA Benchmarks/CEC Competitions

Informcje o benchmarku BBOB2009

Harmonogram przedmiotu

wykład
tematyka
1
(slajdy) Podstawowe pojęcia

(slajdy) Algorytmy w głąb, wszerz, najpierw najlepszy
3
(slajdy) Przeszukiwanie przestrzeni ścieżek w grafie Algorytm A*
4 (slajdy) Taksonomia metaheurystyk
5
(slajdy) Błądzenie przypadkowe, Tabu, Algorytm wspinaczkowy, Przeszukiwanie ze zmiennym sąsiedztwem, Symulowane wyżarzanie
6
(slajdy) Algorytm ewolucyjny.
7
(slajdy) Testowanie metod optymalizacji
8
(slajdy) Mutacyjny algorytm ewolucyjny
9 (slajdy) Pełny schemat algorytmu ewolucyjnego
10
(slajdy) Metaheurystyki w Rn Ewolucja różnicowa, EDA, CMAES, Rój cząstek
11
(slajdy) Metaheurystyki i ograniczenia
12
(slajdy) Hierarchie heurystyk Optymalizacja a uczenie się